BAB III METODE PENELITIAN 3.1 Obyek Penelitian Objek penelitian ini adalah perusahaan manufaktur (sub sektor makanan dan minuman) yang terdaftar di Bursa Efek Indonesia periode 2008-2012. Secara keseluruhan ada enam belas perusahaan manufaktur (sub sektor makanan dan minuman) yang terdaftar di Bursa Efek Indonesia. 3.2 Metode Pengumpulan Data Metode pengumpulan data yang digunakan adalah dokumentasi, yaitu pengumpulan data-data melalui dokumen-dokumen yang berkaitan dengan penulisan skripsi ini. 3.3 Populasi dan Sampel Penelitian Populasi dalam penelitian ini adalah semua perusahaan yang tergolong dalam perusahaan manufaktur (sub sektor makanan dan minuman) periode 2008-2012 di Bursa Efek Indonesia (BEI). Pemilihan sampel dalam penelitian ini dilakukan dengan menggunakan metode pemilihan sampel dari populasi didasarkan atas pertimbangan tertentu. Teknik yang digunakan adalah Purposive judgement Sampling. Teknik Purposive judgement Sampling yaitu teknik pengambilan
sampel penelitian dengan kriteria-kriteria yang telah ditantukan. Kriteria yang digunakan untuk memilih sampel adalah sebagai berikut: 1. Perusahaan yang tergabung di Bursa Efek Indonesia (BEI). 2. Perusahaan manufaktur (sub sektor makanan dan minuman) dengan tingkat keaktifan terbaik di Bursa Efek Indonesia (BEI). 3. Tergolong dalam perusahaan manufaktur (sub sektor makanan dan minuman) periode 2008-2012. 4. Mempublikasikan laporan keuangan lengkap dari tahun 2008 sampai dengan 2012. 5. Periode laporan keuangan berakhir setiap 31 Desember. Berdasarkan kriteria-kriteria tersebut, dari seluruh perusahaan yang tergabung dalamperusahaan manufaktur (sub sektor makanan dan minuman), diperoleh sebanyak tujuh perusahaan yang memenuhi kriteria sebagai sampel penelitian, yaitu ADES (Akasa Wira Internasional Tbk), INDF (Indofood Sukses Makmur Tbk), MYOR (Mayora Indah Tbk), STTP (Siantar Top Tbk), ULTJ (Ultrajaya Milk Industry and Trading company Tbk), DLTA (Delta Djakareta Tbk), MLBI (Multi Bintang Indonesia Tbk). Terdapat tujuh perusahaan yang memenuhi kriteria dalam penelitian, akan tetapi peneliti akan mengambil hanya tiga perusahaan yang akan digunakan sebagai objek penelitian. Maka, kembali peneliti menggunakan taknik Simple Random
Sampling dengan metode undian atau arisan untuk memilih perusahaan penelitian dengan pertimbangan memberikan kesempatan yang sama kepada ketujuh perusahaan sampel untuk ditetapkan sebagai tiga sampel penelitian. Berikut adalah ketiga perusahaan manufaktur yang menjadi objek peneilitian dari peneliti: INDF (Indofood Sukses Makmur Tbk), MYOR (Mayora Indah Tbk), ULTJ (Ultrajaya Milk Industry and Trading company T bk). 3.4 Jenis dan Sumber Data Seluruh data yang digunakan untuk mendukung model-model penelitian ini menggunakan data sekunder. Sumber data penelitian ini adalah sumber eksternal berupa laporan keuangan dan fact book tahunan yang diperoleh melalui Bursa Efek Indonesia (BEI). 3.5 Alat analisis Penelitian menggunakan metode kuantitatif deskriptif. Metode analisis kuantitatif deskriptif adalah metode dengan kegiatan yang meliputi pengumpulan data dalam rangka menguji hipotesis atau menjawab pertanyaan yang menyangkut keadaan pada waktu yang sedang berjalan dari pokok suatu penelitian (Gray dalam sevilla,1993). Metode deskriptif yang digunakan adalah analisis dokumen yaitu menganalisis dokumen yang telah dikumpulkan. Data diolah dengan menggunakan microsoft Excel dan SPSS 17.0. (Statistical Program For Social Science). 3.5.1 Model Analisis
Model Analisis data yang digunakan dalam penelitian ini adalah regresi linier berganda dengan data yang terkumpul. Regresi linier berganda adalah metode yang digunakan untuk mengetahui pola hubungan antara dua/lebih variabel sekaligus memperoleh model untuk menaksir dan membuat perkiraan nilai variabel tertentu, sebagai variabel dependen berdasarkan atas satu/beberapa variabel lain sebagai varibel independen yang telah diketahui nilainya (J.Supranto,1993). Analisis regresi linier berganda ini untuk menghitung pengaruh modal kerja terhadap profitabilitas perusahaan. Y = 0 + 1 X 1 + 2 X 2 + Et Keterangan : Y = Return On Assets (ROA). 0 1 2 X 1 = Konstanta. = Koefisien arah (slope)/koefisien regresi. = Variabel konsep kualitatif modal kerja perusahaam manufaktur sektor makanan dan minuman periode 2008-2012. X 2 = Variabel Current Ratio perusahaam manufaktur sektor makanan dan minuman periode 2008-2012. Et = adalah galat baku (error term). 3.5.2 Analisis Regresi Analisis regresi dilakukan untuk mengukur ketepatan fungsi regresi dalam menaksir nilai aktual. Ketepatan fungsi regresi dalam menaksir nilai aktual dapat diukur dari Goodness of fit dan secara statistik dapat diukur dari koefisien determinasi (R2), nilai statistik F dan nilai statistik F (Ghozali, 2005).
1. Analisis Koefisien determinasi Koefisien determinasi (R2) adalah mengukur seberapa jauh kemampuan model dalam menerangkan variasi dari variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil menunjukkan kemampuan variabel-variabel independen dalam menjelaskan variabel dependen amat terbatas. Nilai R2 yang mendekati satu menunjukkan variabelvariabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel dependen (Ghozali,2005). 2. Uji Signifikansi Simultan (Uji Statistik F / F-test) Uji statistik F (F-test) atau uji simultan digunakan untuk mengetahui apakah variabel-variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama atau simultan terhadap variabel dependen. Penerapan F-test ini didasarkan pada hipotesis nol (H0) yang hendak diuji dan hipotesis alternatifnya (HA)(Ghozali, 2005). H0 yang akan diuji menyatakan semua parameter dalam model sama dengan nol atau : H0 : b1 = b2 =. = bk = 0 Artinya semua variabel independen secara simultan bukan merupakan penjelas yang signifikan terhadap variabel dependen. HA menyatakan semua parameter dalam model secara simultan tidak sama dengan nol, atau : HA : b1 b2. bk 0
Artinya semua variabel independen secara simultan merupakan penjelas yang signifikan terhadap variabel dependen. 3. Uji Signifikansi Parameter Individual (Uji Statistik t / t-test) Uji t-test atau disebut uji parsial digunakan untuk mengetahui pengaruh masing-masing variabel independen terhadap variabel dependen. Uji t-test ini menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Penerapan Uji t-test ini didasarkanpada hipotesis nol (H0) yang akan diuji dan hipotesis alternatifnya (HA) (Ghozali,2005). H0 yang akan diuji menyatakan suatu parameter (bi) dalam model sama dengan nol atau : H0 : bi = 0 Artinya suatu variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. HA menyatakan parameter suatu variabel dalam model tidak sama dengan nol, atau : HA : b1 0 Artinya suatu variabel independen tersebut merupakan penjelas yang signifikan terhadap variabel dependen. 3.5.3 Definisi Operasional Variabel 1. Pengukuran Rasio Keuangan.
Pengukuran rasio keuangan perusahaan yang tergabung dalam sektor perusahaan manufaktur (sub sektor makanan dan minuman) periode 2008-2012. Variabel yang digunakan dalam penelitian ini terdiri atas : a. Variabel Dependen Variabel dependen dinyatakan dengan notasi Y yaitu profitabilitas. Profitabilitas merupakan alat yang digunakan untuk menganalisis kinerja manajemen, tingkat profitabilitas akan menggambarkan posisi laba perusahaan. Menurut Kasmir (2008:196), Rasio profitabilitas merupakan rasio untuk menilai kemampuan perusahaan dalam mencari keuntungan. Rasio ini juga memberikan ukuran tingkat efektifitas manajemen suatu perusahaan. Hal ini ditunjukkan oleh laba yang dihasilkan dari penjualan dan pendapatan investasi. Pada dasarnya penggunaan rasio ini yakni menunjukkan tingkat efesiensi suatu perusahan. b. Variabel Independen Istilah modal kerja mempunyai banyak pengertian dalam bahasa asing, modal kerja dikenal dengan istilah working capital atau istilah lainnya adalah liquid capital atau current capital. Modal kerja merupakan salah satu bagian dari assets yang ada dalam perusahaan atau koperasi. Perusahaan membutuhkan modal dalam menjalankan aktifitasnya. Modal merupakan faktor yang sangat penting dalam perusahaan. Perusahaan memiliki kebutuhan modal yang berbeda-beda tergantung jenis usaha yang dijalankan. Modal kerja menurut Bambang Riyanto (2001:57) adalah dana yang diperlukan untuk memenuhi kebutuhan operasional perusahaan sehari-hari.
3.5.3.1 Analisis Deskriptif Analisis ini digunakan untuk menganalisis permasalahan dan mencari pemecahan secara deskriptif dengan menilai rasio-rasio. 1. Rasio Modal kerja a. Konsep modal kerja Modal kerja merupakan salah satu bagian dari assets yang ada dalam perusahaan atau koperasi. Perusahaan membutuhkan modal dalam menjalankan aktifitasnya. Modal merupakan faktor yang sangat penting dalam perusahaan. Perusahaan memiliki kebutuhan modal yang berbedabeda tergantung jenis usaha yang dijalankan. Modal kerja menurut Bambang Riyanto (2001:57) adalah dana yang diperlukan untuk memenuhi kebutuhan operasional perusahaan sehari-hari. Ada tiga konsep modal kerja menurut Bambang Riyanto (2001:57), yaitu: 1. Konsep Kuantitatif. 2. Konsep Kualitatif. 3. Konsep Fungsional. Dari ketiga konsep modal kerja tersebut, penulis mengambil konsep kualitatif untuk mengukur modal kerja dari segi konsep modal kerja. Alasannya adalah Konsep ini tidak hanya melihat pada kuantitas aktiva lancar saja, maka pada konsep ini akan mencakup pula unsur-unsur kewajiban yang segera harus dibayar. Dengan kata lain modal kerja
menurut konsep ini adalah selisih antara aktiva lancar dan passiva lancar. Jadi berdasarkan konsep ini modal kerja bisa surplus atau defisit. Modal kerja surplus apabila jumlah current asset lebih besar dari current liabilities dan defisit bila terjadi sebaliknya. Penghitungan modal kerja dengan konsep kualitatif dapat dirumuskan sebagai berikut: Modal kerja = Aktiva Lancar Pasiva Lancar b. Likuiditas Terdapat banyak rasio analisis yang dapat dibuat menurut kebutuhan penganalisa, salah satunya adalah rasio likuiditas. Rasio likuditas merupakan alat untuk mengukur kemampuan perusahaan dalam memenuhi kewajiban finansial jangka pendek. Rasio likuiditas dapat dihitung berdasarkan informasi modal kerja pos-pos aktiva lancar dan hutang lancar. Jenis rasio likuiditas adalah sebagai berikut: a. Current Ratio. b. Cash Ratio. c. Quick Ratio. Dari ketiga metode tersebut, peneliti mengambil metode Current Ratio sebagai alat analisis untuk mengukur tingkat likuiditas modal kerja. Alasan peneliti menggunakan Current Ratio karena digunakan untuk membantu mengukur kemampuan perusahaan dalam membayar kewajiban yang harus segera dipenuhi dengan aktiva lancar yang dimilkinya. Current Ratio menggambarkan bagaimana aktiva lancar perusahaan mampu melunasi
kewajiban lancar perusahaan dan dihitung melalui sumber informasi tentang modal kerja. Current Ratio = (Aktiva Lancar / Hutang Lancar) c. Rasio Profitabilitas Profitabilitas merupakan alat yang digunakan untuk menganalisis kinerja manajemen, tingkat profitabilitas akan menggambarkan posisi laba perusahaan. Menurut Kasmir (2008:196), Rasio profitabilitas merupakan rasio untuk menilai kemampuan perusahaan dalam mencari keuntungan. Rasio ini juga memberikan ukuran tingkat efektifitas manajemen suatu perusahaan. Hal ini ditunjukkan oleh laba yang dihasilkan dari penjualan dan pendapatan investasi. Secara umum ada empat jenis analisis utama yang digunakan untuk menilai tingkat profitabilitas yakni terdiri dari: a. Net Profit Margin (NPM). b. Gross Profit Margin (GPM). c. Return On Assets (ROA). d. Return On Equity (ROE) Dari keempat alat analisis tersebut, peneliti mengambil metode Return On Assets (ROA) untuk mengukur profitabilitas perusahaan. Alasannya Return On Assets (ROA) merupakan penilaian profitabilitas atas total assets, dengan cara membandingkan laba sebelum pajak dengan rata-rata total aktiva. Return On Assets (ROA) menunjukkan efektivitas perusahaan dalam mengelola aktiva baik dari modal sendiri maupun dari modal pinjaman yang dijadikan sebagai modal kerja. Kelebihan lain dari Return On Assets (ROA) adalah dengan metode
penghitungan ini dapat terlihat keuntungan yang didapat oleh investor dan pemilik perusahaan (pembeli saham). Secara matematis Return On Assets (ROA) dapat dirumuskan sebagai berikut: ROA = Laba Sebelum Pajak / Total Aktiva 3.6 Uji Asumsi Klasik 3.6.1 Uji Normalitas Uji ini bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual mempunyai distribusi normal. Ada dua cara mendeteksi apakah residual memiliki distribusi normal atau tidak yaitu dengan: 1. Analisis grafik Analisis ini adalah salah satu cara termudah untuk melihat normalitas dengan melihat histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Hasil dari uji normalitas adalah sebagai berikut:
Histogram Dependent Variable: Profitabilitas 7 6 Frequency 5 4 3 2 1 0-2 -1 0 1 Regression Standardized Residual 2 Mean = -1.39E-16 Std. Dev. = 0.926 N = 15 Sumber: Data sekunder yang diolah, 2013 Gambar 3.1. Grafik Histogram Dari Gambar 3.1, terlihat bahwa pola distribusi normal, akan tetapi jika kesimpulan normal tidaknya data hanya dilihat dari grafik histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusan: - Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
- Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas. Berikut hasil analisis grafik dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Normal P-P Plot of Regression Standardized Residual 1.0 Dependent Variable: Profitabilitas 0.8 Expected Cum Prob 0.6 0.4 0.2 0.0 0.0 0.2 0.4 0.6 Observed Cum Prob 0.8 1.0 Sumber: Data sekunder yang diolah, 2013 Gambar 3.2. Normal Probability Plot Grafik probabilitas pada Gambar 3.2 menunjukkan data terdistribusi secara normal karena distribusi data residualnya terlihat mendekati garis normalnya. Dengan melihat tampilan grafik histogram dapat disimpulkan bahwa pola distribusi data mendekati normal. Kemudian pada grafik normal plot terlihat titik-titik sebaran mendekati garis normal. Data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya
menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. 2. Analisis statistik Uji normalitas residual dengan grafik dapat menyesatkan jika tidak berhatihati. Secara visual kelihatan normal, padahal secara statistik bisa sebaliknya. Oleh sebab itu, dianjurkan disamping uji grafik dilengkapi dengan uji statistik. Penelitian ini menggunakan uji statistik non parametrik Kolmogorov-Smirnov (K-S). Uji ini dapat dilihat dengan membandingkan Z hitung dengan Z tabel dengan kreteria sebagai berikut: - Jika Z hitung (Kolmogorov Smirnov) < Z tabel (1,96), atau angka signifikan > taraf signifikansi () 0,05; maka distribusi data dikatakan normal. - Jika Z hitung (Kolmogorov Smirnov) > Z tabel (1.96), atau angka signifikansi < taraf signifikansi () 0,05 distribusi data dikatakan tidak normal. Berikut hasil uji statistik non parametrik Kolmogorov-Smirnov (K-S). Uji ini membandingkan Z hitung dengan Z Tabel 3.1 Normalitas Data
One-Sample Kolmogorov-Smirnov Test N Normal Parameters Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a. a,b Test distribution is Normal. b. Calculated from data. Mean Std. Deviation Absolute Positive Negative Unstandardiz ed Residual 15.0000000.04136270.077.077 -.073.298 1.000 Sumber: Data sekunder yang diolah, 2013 Tabel 3.1 terlihat bahwa, hasil uji menunjukkan data telah terdistribusi secara normal. Hal ini ditunjukkan dengan uji Kolmogorov - Smirnov yang menunjukkan hasil yang memiliki tingkat signifikansi sebesar 1,000 yang berada di atas 0,05. Hasil terakhir diatas juga didukung hasil analisis grafiknya, yaitu dari grafik histogram maupun grafik Normal Probability Plot-nya seperti Gambar 3.1 dan 3.2. Secara keseluruhan dari uji normalitas, data yang digunakan dalam penelitian ini normal. 3.6.2 Uji Multikolinearitas Uji multikolinearitas bertujuan untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi yang tinggi atau sempurna antar variabel independen. Jika antar variabel independen terjadi multikolinearitas sempurna, maka koefisien regresi variabel tidak dapat ditentukan dan nilai standar error menjadi tak terhingga. Jika multikolinearitas antar variabel tidak sempurna tetapi tinggi, maka koefisien regresi dapat ditentukan, tetapi memiliki nilai standar error tinggi yang berarti nilai koefisien regresi tidak dapat diestimasi dengan tepat. Salah satu cara
untuk mengetahui ada tidaknya multikolinearitas pada suatu model regresi adalah dengan melihat nilai tolerance dan VIF (Variance Inflation Factor), yaitu: - Jika nilai tolerance> 0.10 dan VIF < 10, maka dapat diartikan bahwa tidak terdapat multikolinearitas pada penelitian tersebut. - Jika nilai tolerance< 0.10 dan VIF > 10, maka dapat diartikan bahwa terjadi gangguan multikolinearitas pada penelitian tersebut. Tabel 3.2 Hasil Uji Multikolinearitasnya adalah sebagai berikut: Model 1 Unstandardized Coefficients Sumber: Data sekunder yang diolah, 2013 Coefficients a B Std. Error Beta t Sig. Tolerance VIF (Constant).039.046.864.405 modal_kerja_kualita1.5e-008.000 -.339 -.932.370.561 1.782 likuiditas.035.029.436 1.200.253.561 1.782 a. Dependent Variable: Profitabilitas Standardized Coefficients Collinearity Statistics Dari Tabel 3.2 diperoleh bahwa semua variabel bebas memiliki nilai Tolerance di atas 0,1 dan nilai VIF di bawah angka 10. Nilai Tolerance pada tabel sebesar 0,561 dan nilai VIF sebesar 1,782. Kesimpulan yang dapat diambil dalam model ini tidak ada masalah multikolinieritas pada data yang dijadikan sampel untuk penelitian. 3.6.3 Uji Autokorelasi Uji ini bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu (residual) pada periode t dengan kesalahan pada
periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Salah satu cara untuk mengetahui ada tidaknya autokorelasi pada model regresi adalah dengan melakukan Uji Durbin Watson (Dw test). Uji Durbin Watson (Dw test) hanya digunakan untuk autokorelsi tingkat satu (first order autocorrelation) dan mengisyaratkan adanya intercept (konstanta) dalam model regresi dan tidak ada variabel lagi di antara variabel bebas. Hipotesis yang akan diuji adalah: H0 : tidak ada autokorelasi ( = 0) Ha : ada autokorelasi ( 0) Pengambilan keputusan ada tidaknya autokorelasi: Hipotesis nol Jika Tidak ada autokorelasi positif 0 < d < d L Tidak ada autokorelasi positif d L d d U Tidak ada autokorelasi negatif 4 d L < d < 4 Tidak ada autokorelasi negatif 4 d U d 4 - d L Tidak ada autokorelasi positif atau negatif d U < d < 4 - d U Ket : d U : Durbin Watson upper, d L : Durbin Watson lower - Bila nilai DW terletak antara batas atas atau upper bound (du) dan (4 du), maka koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi. - Bila nilai DW lebih rendah dari pada batas bawah atau lower bound (dl), maka koefisien korelasi lebih besar dari pada nol, berarti ada autokorelasi positif.
- Bila nilai DW lebih besar dari pada (4 dl), maka koefisien autokorelasi lebih kecil dari pada nol, berarti ada autokorelasi negatif. - Bila nilai DW terletak diantara batas atas (du) dan batas bawah (dl) atau DW terletak diantara (4 du) dan (4-dl), maka hasilnya tidak dapat disimpulkan. Tabel 3.3 Uji Durbin-Watson Model 1 Sumber: Data sekunder yang diolah, 2013 Model Summary b Adjusted Std. Error of Durbin- R R Square R Square the Estimate Watson.331 a.109 -.039.04468 1.833 a. Predictors: (Constant), likuiditas, modal_kerja_kualitatif b. Dependent Variable: Profitabilitas Berdasarkan hasil analisis regresi pada Tabel 3.3 dengan k=2 dan n= 15, diperoleh nilai Durbin Watson (DW) sebesar 1.833. Sedangkan besarnya DW-tabel: dl (batas luar) =0,9455 ; du (batas dalam) =1.5432; 4 du =2,4568 ; dan 4 dl = 3,0545. Dengan demikian berlaku kondisi du < d <4-du dapat disimpulkan bahwa tidak terdapat autokorelasi pada model. Sehingga data yang digunakan dalam penelitian ini bebas dari autokorelasi. 3.6.4 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan kepengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda akan disebut heteroskedastisitas (Ghozali, 2005). Model regresi yang baik adalah model yang tidak terjadi heteroskedastisitas. Untuk menentukan heteroskedastisitas dapat menggunakan grafik scatterplot, titik-titik yang terbentuk harus menyebar secara acak, tersebar baik diatas maupun dibawah angka 0 pada sumbu Y, bila kondisi ini terpenuhi maka tidak terjadi heteroskedastisitas dan model regresi layak digunakan. Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot adalah sebagai berikut: Scatterplot Dependent Variable: Profitabilitas 2 Regression Studentized Residual 1 0-1 -2-1.5-1.0-0.5 0.0 0.5 Regression Standardized Predicted Value 1.0 1.5 Sumber: Data sekunder yang diolah, 2012 Gambar 3.3. Grafik Scatterplot
Grafik scatterplot pada Gambar 3.3 memperlihatkan titik-titik menyebar secara acak, serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Maka dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model regresi yang digunakan.